如何验证CUDA是否安装成功

验证 CUDA 是否安装成功，可以按下面步骤逐项检查，推荐从简单到全面。

一、最常用、最快速的方法（推荐）

✅ 1. 检查 nvcc 编译器

nvcc 是 CUDA 的编译器，能正常显示版本基本说明 CUDA 工具链已安装。

nvcc --version

✅ 正常输出示例：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on ...
Cuda compilation tools, release 12.3, V12.3.xxx

❌ 如果提示：

command not found

说明：

• CUDA 没安装，或
• 环境变量没配置（见下文）

二、检查 NVIDIA 驱动和 GPU 是否可用

✅ 2. 使用 nvidia-smi

nvidia-smi

✅ 正常输出中会看到：

• GPU 型号
• CUDA Version（右上角）

⚠️ 注意：

• nvidia-smi 显示的是 驱动支持的最高 CUDA 版本
• 不等于你实际安装的 CUDA 版本

三、确认 CUDA 安装路径

✅ 3. 查看 CUDA 安装目录

ls /usr/local/cuda*

常见结果：

/usr/local/cuda
/usr/local/cuda-12.3

✅ 说明 CUDA 已安装

四、检查环境变量（非常重要）

✅ 4. 查看环境变量

echo $PATH
echo $LD_LIBRARY_PATH

应包含类似内容：

/usr/local/cuda/bin
/usr/local/cuda/lib64

如果没有，可临时添加：

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

或写入配置文件（永久生效）：

# ~/.bashrc 或 ~/.zshrc

五、运行 CUDA 官方示例（最稳妥）

✅ 5. 编译并运行 CUDA 示例

cd /usr/local/cuda/samples
sudo make

然后运行：

cd bin/x86_64/linux/release
./deviceQuery

✅ 成功标志：

Result = PASS

再试一个：

./bandwidthTest

✅ 同样出现 Result = PASS 代表 CUDA 完全可用。

六、在 Python 中验证（深度学习必看）

如果你是用 PyTorch / TensorFlow：

✅ PyTorch

import torch
print(torch.cuda.is_available())
print(torch.version.cuda)

• True ✅
• 显示 CUDA 版本 ✅

✅ TensorFlow

import tensorflow as tf
print(tf.config.list_physical_devices("GPU"))

七、常见问题排查

❌ nvcc 找不到

• 没安装 CUDA Toolkit
• 或 PATH 没配置

❌ nvidia-smi 找不到

• NVIDIA 驱动未安装
• 系统不支持 NVIDIA GPU

❌ PyTorch 显示 False

• CUDA 版本与 PyTorch 不匹配
• 驱动版本过低

八、快速自检清单 ✅

如果你愿意，可以告诉我：

• ✅ 操作系统（Ubuntu / Windows / WSL）
• ✅ GPU 型号
• ✅ 目的（CUDA / PyTorch / TensorFlow）

我可以帮你 精确判断当前环境是否真正可用 ✅